Rancang Bangun Aplikasi Pengecekan Dokumen Digital Tugas Mahasiswa Berbasis Website

Haeruddin Haeruddin; Gunawan Putra Wahdana; Dhimas Tribuana; Dayanti Dayanti; Nur Inda

doi:10.64476/jtbc.v2i2.69

Penulis

Haeruddin Haeruddin Universitas Prof. Dr. H. M. Arifin Sallatang, Bantaeng, Indonesia
Gunawan Putra Wahdana Universitas Prof. Dr. H. M. Arifin Sallatang, Bantaeng, Indonesia
Dhimas Tribuana Akademi Sekretari Manajemen Indonesia Publik, Makassar, Indonesia
Dayanti Dayanti Universitas Patria Artha, Gowa, Indonesia
Nur Inda Institut Teknologi dan Bisnis Muhammadiyah Polewali Mandar

DOI:

https://doi.org/10.64476/jtbc.v2i2.69

Kata Kunci:

: Dokumen Digital, Tugas Mahasiswa, Website, Plagiarisme, Algoritma

Abstrak

Perkembangan teknologi informasi mendorong proses pengumpulan tugas mahasiswa beralih dari dokumen fisik ke dokumen digital. Namun, kemudahan tersebut menimbulkan tantangan baru, seperti pengelolaan arsip tugas yang kurang terstruktur dan meningkatnya potensi kemiripan dokumen antar mahasiswa. Penelitian ini bertujuan untuk merancang dan membangun aplikasi pengecekan dokumen digital tugas mahasiswa berbasis website yang mampu mengelola dokumen serta menampilkan persentase kemiripan antarfile secara otomatis. Sistem dikembangkan menggunakan metode Waterfall melalui tahapan analisis kebutuhan, perancangan, implementasi, pengujian, dan evaluasi. Teknologi yang digunakan meliputi HTML, CSS, PHP, JavaScript, MySQL, XAMPP, dan Sublime Text. Proses pengecekan dokumen dilakukan melalui tahapan unggah dokumen, ekstraksi teks, text preprocessing, pembobotan kata menggunakan TF-IDF, serta pengukuran kemiripan menggunakan metode cosine similarity. Data yang digunakan terdiri atas 165 file tugas mahasiswa, yaitu 79 file dataset dan 86 data uji. Hasil pengujian terhadap lima sampel dokumen menunjukkan bahwa sistem mampu menampilkan variasi persentase kemiripan sebesar 5%, 12%, 45%, 88%, dan 92%, dengan kategori orisinal, indikasi plagiat, dan plagiat tinggi. Hasil tersebut menunjukkan bahwa aplikasi dapat membantu dosen dalam melakukan pemeriksaan awal terhadap kemiripan dokumen tugas mahasiswa. Dengan demikian, aplikasi ini berpotensi mendukung pengelolaan dokumen akademik secara lebih efektif serta meningkatkan integritas akademik di lingkungan perguruan tinggi.

Unduhan

Data unduhan belum tersedia.

Referensi

Balalle, H., & Pannilage, S. (2025). Reassessing academic integrity in the age of AI: A systematic literature review on AI and academic integrity. Social Sciences & Humanities Open, 11, 101299. https://doi.org/10.1016/j.ssaho.2025.101299

Bittle, K., & El-Gayar, O. (2025). Generative AI and academic integrity in higher education: A systematic review and research agenda. Information, 16(4), 296. https://doi.org/10.3390/info16040296

Foltýnek, T., Meuschke, N., & Gipp, B. (2020). Academic plagiarism detection: A systematic literature review. ACM Computing Surveys, 52(6), 1–42. https://doi.org/10.1145/3345317

Gregory, A., & Leeman, J. (2021). On the perception of plagiarism in academia: Context and intent. arXiv. https://arxiv.org/abs/2104.00574

Halim, J., & Lasut, D. (2024). Document plagiarism detection application using web-based TF-IDF and cosine similarity methods. bit-Tech, 7(2), 202–213. https://doi.org/10.32877/bt.v7i2.1697

Kaur, N. (2024). A review on string-based text similarity techniques in computational analysis. International Journal of Intelligent Systems and Applications in Engineering. https://ijisae.org/index.php/IJISAE/article/view/7629

Meuschke, N., Stange, V., Schubotz, M., Kramer, M., & Gipp, B. (2019). Improving academic plagiarism detection for STEM documents by analyzing mathematical content and citations. In Proceedings of the 19th ACM/IEEE Joint Conference on Digital Libraries (JCDL) (pp. 120–129). IEEE. https://doi.org/10.1109/JCDL.2019.00026

Navaro, K. F., Wardana, S. R., & Hapsari, R. K. (2023). Journal article plagiarism detection using Latent Semantic Analysis (LSA). Prosiding Seminar Nasional Sains dan Teknologi Terapan. https://ejurnal.itats.ac.id/sntekpan/article/view/5204

Pudasaini, S., Miralles-Pechuán, L., Lillis, D., & Llorens Salvador, M. (2025). Survey on AI-generated plagiarism detection: The impact of large language models on academic integrity. Journal of Academic Ethics, 23, 1137–1170. https://doi.org/10.1007/s10805-024-09576-x

Sadhin, I. H., Hassan, T., & Nayim, M. A. M. (2024). Plagiarism detection using artificial intelligence. International Journal of Computer and Information System, 5(2), 102–108. https://doi.org/10.29040/ijcis.v5i2.170

Virginia, C., & Alamsyah, D. (2026). Plagiarism detection in English academic documents using a lexical semantic hybrid and support vector machine. INOVTEK Polbeng – Seri Informatika, 11(1), 96–107. https://doi.org/10.35314/2zz12581

Zachrias, U., & Gunawan, W. (2025). Classification of document similarity using Winnowing algorithm with Jaccard Coefficient approach. Science of Information & Technology Applied. https://ejournal.bacadulu.net/index.php/sinta/article/view/87